導入：Kickoff好調選手はMastersでも活躍できたのか
はじめに
こんにちは、家系です。今回は「VCT 2026 Kickoffで好成績を残した選手が、Masters Santiagoでもパフォーマンスを維持できたのか」をテーマに、Rating 2.0の推移を追跡する分析を行います。
VCT 2026シーズンは各リージョンのKickoffで幕を開け、続くMasters Santiagoで世界の強豪が激突しました。Kickoffで圧倒的な数字を叩き出した選手が、より高いレベルの国際大会でもその実力を発揮できたのかは、チームの実力評価や選手の安定性を考えるうえで非常に重要なテーマです。
統計学には「平均回帰（Regression to the Mean）」という概念があります。これは、ある測定で極端に良い（または悪い）結果を出した対象は、次の測定では平均に近づく傾向があるというものです。噛み砕いて言うと、「一度飛び抜けた成績を出した選手は、次の大会では少し落ち着く可能性が高い」ということです。今回はこの視点から、Kickoff上位群のMastersにおけるR2.0変動を検証します。
使用したデータ
本記事では以下のイベントのプレイヤースタッツを使用しています。データソースはvlr.ggの公開統計ページです。
| イベント | 期間 | 対象リージョン |
|---|---|---|
| VCT 2026: Americas Kickoff | 2026/1/16 – 2/16 | Americas |
| VCT 2026: Pacific Kickoff | 2026/1/22 – 2/15 | Pacific |
| VCT 2026: EMEA Kickoff | 2026/1/20 – 2/16 | EMEA |
| Valorant Masters Santiago 2026 | 2026/3/1 – 3/16 | 国際大会 |
分析対象はKickoffに出場し、かつMasters Santiagoにも出場した9チーム・45選手です。Masters Santiagoのみ出場のチーム（EDG・XLG・AGなど）はKickoffデータが存在しないため除外しています。主要指標としてRating 2.0（R2.0）を採用しました。なお、各選手のラウンド数はKickoffで最低190ラウンド以上、Mastersで最低126ラウンド以上を確保しており、極端なサンプル不足は生じていません。
分析：イベント間パフォーマンスの変動を検証する
分析① Kickoff→Masters 全選手のRating 2.0変化
最初の仮説は次のとおりです。「Kickoff好調選手の多くはMastersでR2.0が低下し、全体として下方シフトが見られる」。まずは45選手全体の傾向を俯瞰します。
下のグラフは横軸にKickoff R2.0、縦軸にMasters R2.0をプロットした散布図です。対角線（点線）より下にある点はMastersで下落した選手、上にある点は上昇した選手を表しています。
| 項目 | 値 |
|---|---|
| 分析対象 | 9チーム・45選手 |
| Kickoff 平均R2.0 | 1.03 |
| Masters 平均R2.0 | 0.99 |
| 全体平均変化（Δ） | -0.04 |
| R2.0が下降した選手 | 25名（55.56%） |
| R2.0が維持された選手 | 3名（6.67%） |
| R2.0が上昇した選手 | 17名（37.78%） |
| 最大上昇 | eeiu（FUR）+0.19 |
| 最大下降 | Meteor（T1）/ MiniBoo（TL）-0.28 |
わかること
- 45選手中25選手（55.56%）がMastersでR2.0が下降しており、半数以上がKickoffの水準を維持できなかった。
- 全体平均で-0.04ポイントの下方シフトが確認でき、Kickoffの成績は国際大会でそのまま再現されにくい傾向がある。
- 散布図では右下方向（Kickoffは高いがMastersは低い）への偏りが目立ち、好調選手ほど下落しやすいことが視覚的に読み取れる。
全体像を確認したところで、仮説「全体として下方シフトが見られる」は支持されます。次に、この傾向が「上位群ほど顕著なのか」をさらに掘り下げます。
分析② 上位群と下位群で異なる回帰パターン
ここで検証する仮説は「Kickoff上位群（R2.0≧1.05）は次イベントで平均0.04ポイント下降し、一定の平均回帰が認められる」です。45選手をKickoff R2.0が1.05以上の「上位群」と1.05未満の「下位群」に分割し、それぞれのMastersでの変動を比較します。
| グループ | 人数 | Kickoff 平均R2.0 | Masters 平均R2.0 | 平均Δ |
|---|---|---|---|---|
| 上位群（≧1.05） | 26名 | 1.11 | 1.02 | -0.09 |
| 下位群（＜1.05） | 19名 | 0.93 | 0.95 | +0.03 |
上位群は平均で-0.09ポイント下落しており、仮説の-0.04ポイントを大幅に上回る回帰幅です。一方の下位群は+0.03ポイント上昇しました。Kickoff時点での両群の差は0.18ポイント（1.11 vs 0.93）でしたが、Mastersでは0.07ポイント（1.02 vs 0.95）へと縮小しています。これは典型的な平均回帰のパターンです。
次に、上位群26選手の個別変動を詳しく見てみます。以下のグラフはKickoff R2.0が1.05以上だった26選手の、MastersにおけるR2.0変化量を降順で並べたものです。
| 選手 | チーム | Kickoff R2.0 | Masters R2.0 | Δ |
|---|---|---|---|---|
| Meteor | T1 | 1.05 | 0.77 | -0.28 |
| MiniBoo | TL | 1.09 | 0.81 | -0.28 |
| koalanoob | FUR | 1.16 | 0.90 | -0.26 |
| lovers rock | BBL | 1.18 | 0.93 | -0.25 |
| BABYBAY | G2 | 1.10 | 0.87 | -0.23 |
| Minny | M8 | 1.15 | 0.94 | -0.21 |
| artzin | FUR | 1.06 | 0.89 | -0.17 |
| Rb | NS | 1.12 | 0.95 | -0.17 |
| valyn | G2 | 1.18 | 1.04 | -0.14 |
| wayne | TL | 1.06 | 0.92 | -0.14 |
| brawk | NRG | 1.09 | 0.95 | -0.14 |
| f0rsakeN | PRX | 1.09 | 0.96 | -0.13 |
| nAts | TL | 1.06 | 0.94 | -0.12 |
| mada | NRG | 1.08 | 1.00 | -0.08 |
| Loita | BBL | 1.11 | 1.05 | -0.06 |
| Dambi | NS | 1.11 | 1.11 | ±0.00 |
| iZu | T1 | 1.14 | 1.14 | ±0.00 |
| Lar0k | BBL | 1.07 | 1.07 | ±0.00 |
| invy | PRX | 1.05 | 1.07 | +0.02 |
| skuba | NRG | 1.07 | 1.10 | +0.03 |
| keiko | NRG | 1.07 | 1.11 | +0.04 |
| Ivy | NS | 1.05 | 1.10 | +0.05 |
| trent | G2 | 1.09 | 1.15 | +0.06 |
| Xross | NS | 1.06 | 1.14 | +0.08 |
| marteen | M8 | 1.27 | 1.41 | +0.14 |
| eeiu | FUR | 1.05 | 1.24 | +0.19 |
わかること
- 上位群26選手のうち15選手（57.69%）がMastersでR2.0を落としており、平均変化量は-0.09ポイント。仮説の-0.04ポイントを2倍以上上回る強い回帰が発生している。
- 下位群は逆に+0.03ポイント上昇し、両群の差は0.18から0.07へと大幅に縮小した。平均回帰は明確に認められる。
- ただしmarteen（+0.14）やeeiu（+0.19）のように上位群でありながらさらに伸ばした例外も存在し、すべての好調選手が回帰するわけではない。
以上より、仮説「上位群は平均0.04ポイント下降する」は方向性こそ支持されるが、実際の回帰幅は-0.09ポイントと仮説の2倍以上であり、国際大会における平均回帰は想定以上に強いことがわかりました。
分析③ チーム単位で見る変動傾向
ここまでは個人レベルの変動を見てきましたが、チーム単位ではどのような傾向が見られるでしょうか。仮説は「Mastersで上位進出したチームほど個人R2.0を維持しやすい」とします。9チームそれぞれについて5選手の平均R2.0変化を算出しました。
| チーム | Masters成績 | Kickoff平均 | Masters平均 | 平均Δ |
|---|---|---|---|---|
| NS | 優勝 | 1.06 | 1.08 | +0.02 |
| PRX | 準優勝 | 1.01 | 1.03 | +0.02 |
| T1 | Swiss敗退 | 1.02 | 1.01 | -0.01 |
| M8 | Top 5-6 | 1.05 | 1.02 | -0.02 |
| G2 | Top 3-4 | 1.05 | 1.02 | -0.03 |
| NRG | Top 3-4 | 1.04 | 1.01 | -0.03 |
| BBL | Top 5-6 | 1.02 | 0.94 | -0.07 |
| FUR | Top 5-8 | 1.03 | 0.93 | -0.09 |
| TL | Swiss敗退 | 1.03 | 0.90 | -0.13 |
わかること
- Masters優勝のNSと準優勝のPRXだけがR2.0を維持・微増させており、それ以外の7チームはすべて下落した。
- 特にTL（-0.13）、FUR（-0.09）、BBL（-0.07）の下落が顕著で、いずれもMastersでは早期敗退したチームである。
- Kickoff時点のチーム平均R2.0は1.01〜1.06と大差ないにもかかわらず、Masters成績によって大きな乖離が生じている。チームの勝敗が個人スタッツに強く影響していることがわかる。
仮説「上位進出チームほどR2.0を維持しやすい」は支持されます。優勝のNSと準優勝のPRXが唯一R2.0をプラスに保った一方、Swiss敗退のTLは-0.13と全チーム中最大の下落を記録しました。チームとしての勝敗と個人R2.0の変動は密接に連動しており、「国際大会で通用しなかった」チームの選手は軒並みスタッツが沈んでいます。
考察：分析結果から考える平均回帰のメカニズム
ここまでの3つの分析で得られた仮説判定を一覧で整理します。
| 仮説 | 判定 | 根拠 |
|---|---|---|
| Kickoff好調選手の多くはMastersでR2.0が低下する | 支持 | 55.56%が下落、全体平均Δ=-0.04 |
| 上位群は平均0.04pt下降し平均回帰が認められる | 部分的支持 | 回帰方向は一致するが実測は-0.09ptで仮説の2倍超 |
| 上位進出チームほどR2.0を維持しやすい | 支持 | NS・PRXのみ+0.02、早期敗退チームは-0.07〜-0.13 |
3つの分析を通じて、Kickoffの好成績がMastersでそのまま再現されるケースは少数派であることが明らかになりました。上位群26選手の平均R2.0は1.11から1.02へと-0.09ポイント下落し、下位群は0.93から0.95へと+0.03ポイント上昇しています。両群の差は0.18から0.07へ縮小しており、教科書的な平均回帰パターンが観察できます。
この回帰が生じるメカニズムとしては、大きく3つの要因が考えられます。第一に、対戦相手のレベル差です。リージョンKickoffと国際大会Mastersでは対戦相手の質が異なり、Kickoffでは格下相手にスタッツを稼げた選手もMastersでは同格以上の相手にしか当たりません。第二に、メタや戦術への適応度が挙げられます。Kickoffから1か月以上経過したMastersではメタが変化しており、Kickoff時点の得意構成が通用しないケースがあります。第三に、チームの勝敗による影響です。分析③で示したとおり、早期敗退したチームの選手はR2.0が大きく沈みます。負け試合ではキル・アシストが伸びにくく、Rating計算上マイナスに作用するためです。
なお、marteen（M8）のようにKickoff 1.27からMasters 1.41へとさらに上昇させた選手も存在します。こうした例外は「Kickoffの数字が実力の下限だった」可能性を示しており、真に突出した選手は平均回帰を超越し得ることを示唆しています。上位群内での上昇組11選手（42.31%）の存在は、回帰が確率的な傾向であり絶対法則ではないことを念頭に置く必要があります。
結論：好調の維持はなぜ難しいのか
この記事のまとめ
この記事のまとめ
- Kickoff出場→Masters出場の45選手中、55.56%がMastersでR2.0が下落。全体平均で-0.04ポイントの下方シフトが確認された。
- Kickoff上位群（R2.0≧1.05・26選手）の平均下落幅は-0.09ポイントで、仮説の-0.04を大きく上回る強い平均回帰が認められた。
- 下位群（19選手）は逆に+0.03ポイント上昇し、両群の差は0.18→0.07へと収束した。
- チーム単位では、Masters優勝のNSと準優勝のPRXのみがR2.0を維持。早期敗退チーム（TL・FUR・BBL）は大幅に下落した。
- ただしmarteen（+0.14）やeeiu（+0.19）など上位群でさらに伸ばした例外も存在し、平均回帰は確率的傾向であり絶対法則ではない。
さいごに
今回の分析では、Kickoff好調選手のMastersにおける平均回帰を定量的に示しました。個人的には、上位群の回帰幅が-0.09ポイントと想定の2倍以上だった点が印象的でした。「Kickoffで無双していた選手がMastersでは大人しくなる」という現象は感覚的には知られていましたが、数値で裏付けるとその落差の大きさに驚かされます。
皆さんは、自分の推しチームや推し選手がイベント間でどのようにパフォーマンスを変動させていると感じていますか？ marteenのように大会を追うごとに成長する選手もいれば、環境が変わると苦しむ選手もいます。今後のStage 1やMasters Tokyoでは、この回帰傾向がさらに続くのか、それとも逆転するのか注目です。選手評価の際には「直近1大会の数字だけでなく、複数イベントの推移を追う」ことが重要ではないでしょうか。
他のデータ分析記事もe-Analysisで公開していますので、ぜひチェックしてみてください。最新記事の更新情報はX（@家系）でお知らせしています。最後まで読んでいただきありがとうございました。
コメント